TreeEnsembleModelParametersBasedOnRegressionTree Klasa

Zespół drzew narażonych na użytkowników. Jest to otoka w pliku internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble .TreeEnsemble<T>

Uzyskaj skumulowane zyski podziału dla każdej funkcji we wszystkich drzewach.

Służy do określania udziału każdej funkcji w wyniku przykładu według .FeatureContributionCalculatingTransformer Obliczanie udziału funkcji zasadniczo polega na określeniu, które podziały w drzewie mają największy wpływ na wynik końcowy i przypisanie wartości wpływu na funkcje określające podział. Dokładniej rzecz biorąc, udział funkcji jest równy zmianie wyniku generowanego przez eksplorowanie przeciwnego drzewa podrzędnego za każdym razem, gdy wystąpi węzeł decyzyjny dla danej funkcji. Rozważ prosty przypadek z pojedynczym drzewem decyzyjnym, który ma węzeł decyzyjny dla funkcji binarnej F1. Biorąc pod uwagę przykład z funkcją F1 równą true, możemy obliczyć wynik uzyskany w przypadku wybrania poddrzewa odpowiadającego funkcji F1 równej fałszowi przy zachowaniu innej stałej funkcji. Wkład funkcji F1 dla danego przykładu jest różnicą między oryginalnym wynikiem a wynikiem uzyskanym przez podjęcie przeciwnej decyzji w węźle odpowiadającym funkcji F1. Ten algorytm naturalnie rozszerza modele z wieloma drzewami decyzyjnymi.

TreeEnsembleModelParametersBasedOnRegressionTree pochodzi z TreeEnsembleModelParameters atrybutu plus silnie typizowanego atrybutu publicznego , TrainedTreeEnsemblew celu uwidaczniania szczegółowych informacji wytrenowanego modelu dla użytkowników. Jej funkcja , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurejest wywoływana w celu utworzenia TrainedTreeEnsemble wewnątrz TreeEnsembleModelParameterselementu . Należy pamiętać, że główna różnica między elementami TreeEnsembleModelParametersBasedOnQuantileRegressionTree i TreeEnsembleModelParametersBasedOnRegressionTree jest typem TrainedTreeEnsemble.